Mapa mental - Base de Dados_Mongo DB

Prévia do material em texto

Relacionais
Estruturadas em tabelas com esquemas fixos
Suportam SQL e joins
Não-relacionais (NoSQL)
Ex.: MongoDB
Armazenam dados em documentos
JSON/BSON, flexíveis e hierárquicos.
FERRAMENTAS &
ETAPAS TÉCNICAS
EXEMPLOS
PRÁTICOS
VANTAGENS
Coleta: conectores API, drivers MongoDB
(Python, Node.js…)
Mineração: scripts Python, ETL, validações de
qualidade
Modelagem: projetar coleções e índices
segundo uso da aplicação
Consulta e Visualização: MongoDB Compass,
BI Connector, ferramentas como Power BITÉCNICAS DE
TRANSFORMAÇÃO
Coleta – obtenção de fontes variadas
(APIs, logs, sensores)
Mineração – limpeza e filtragem para
extrair padrões
Modelagem – estruturar dados
(normalizados, estruturados) em
esquemas como document-model
pipeline
MongoDB Atlas – serviço gerenciado com
GUI, backups e escalabilidade 
Uso híbrido: cooperativas podem combinar
bancos relacionais (transações) com
documentos MongoDB (feedback livre dos
usuários)
PONTOS 
EM DESTAQUE
Banco de dados orientado a documentos, armazenando dados como
documentos BSON (sem esquemas rígidos)
Ideal para dados semiestruturados, com alta escalabilidade horizontal.
Consultas ad hoc por campos, expressões, regex 
Indexação avançada (campo único, composto, texto, geoespacial) 
Alta disponibilidade com replica sets (primário/secundário) 
Escalabilidade horizontal via sharding 
Transações ACID multi-documento (desde v4.0)
BASE DE
DADOS &
MINERAÇÃO
+MongoDB
TIPOS DE 
BASES DE DADOS
O QUE É? MODELAGEM DE DADOS
Documentos aninhados e agregações eficientes 
Padrões: Embedded versus Referencing (inclusão ou referência
de subdocumentos)